用python制作動态圖表看全球疫情變化趨勢

一、前言

最近國内疫情已經有所好轉，但是國外的情況不容樂觀，那麼怎樣用python去制作動态圖表來看全球疫情變化趨勢呢？比如下面的國内外疫情發展趨勢

還是全球疫情發展趨勢⬇️

其實用python實作并不難，簡單來說就分為三步：

擷取資料(requests)
資料清洗(pandas)
資料可視化(pyecharts)

那麼我們就來一點一點講解吧！

二、資料擷取與處理

疫情資料擷取并不是很難，在目前網際網路上已經有許多提供資料的網站，比如丁香園、騰訊新聞、百度新聞等，為了省事直接GitHub上找找看有沒有現成的接口，很輕松就找到了丁香園資料的API，

接下來兩行指令就能拿下所有曆史資料

data = requests.get('https://lab.isaaclin.cn/nCoV/api/area?latest=0')
data = data.json()

複制

來看下資料

很明顯這樣的資料是沒有辦法去做分析的，是以接下來的重點就是如何清洗這一堆資料，主要又分為下面兩塊：

資料整理：原始資料整理，由 json格式轉換為友善分析的dataframe格式
資料清洗：原資料由于API采集的機制。包含大量重複資料、無效資料、缺失資料是以需要對這些資料進行處理

先來看下資料量

可以看到一共采集到了7584條資料，由于髒資料比較多，是以這一部分的工作量是比較大的，是以我們不在這裡使用太多篇幅去講如何一步一步提取出我們想要的資料，會單獨寫一篇資料處理過程的文章，不過還是來看看經曆了哪些過程與代碼吧！

首先要将所有資料從字典提取出來并對時間戳進行轉換，然後将資料儲存到pandas裡

data = requests.get('https://lab.isaaclin.cn/nCoV/api/area?latest=0')
data = data.json()
res = data['results']
df = pd.DataFrame(res)
def time_c(timeNum):
    timeTemp = float(timeNum/1000)
    tupTime = time.localtime(timeTemp)
    stadardTime = time.strftime("%Y-%m-%d %H:%M:%S", tupTime)
    return stadardTime

for i in range(len(df)):

    df.iloc[i,16] = time_c(df.iloc[i,16])

for i in range(len(df)):

    df.iloc[i,16] = df.iloc[i,16][5:10]

複制

現在資料就成了這樣

這樣看起來就舒服多了，但是還是不可以使用，因為API每天會采集很多次資料，是以裡面有很多重複資料和異常資料，是以接下來重點處理這一部分。對于重複資料我們隻保留最新一個，對于空資料我們選擇前一天的資料填充。

#去重部分代碼
tem = df1[df1['updateTime'] == '03-02']
tem = tem.drop_duplicates(['provinceShortName'], keep='last')
for i in date[1:41]:
    tem1 = df1[df1['updateTime'] == i]
    tem1 = tem1.drop_duplicates(['provinceName'], keep='last')
    tem = tem.append(tem1)

tem = tem.reset_index(drop=True)
tem

複制

由于篇幅原因，就不再貼出更多的代碼，我們來看下最終處理完的資料

三、資料可視化

資料可視化，我們依舊選擇之前講解過很多次的pyecharts，主要使用的就是裡面的Timeline：時間線輪播多圖，簡單來說就是在每一個時間點生成一張圖然後滾動播放，有點像小時候的手繪小人書一樣，是以我們的資料就需要是時間序列資料，那麼具體關于怎樣使用，參數如何調整請關注後續單獨的可視化講解文章，直接看代碼與分析吧。首先是國内外疫情趨勢

from pyecharts.faker import Faker
from pyecharts import options as opts
from pyecharts.charts import Bar, Page, Pie, Timeline,Grid


def timeline_bar() -> Timeline:
    x = ['國内','國外']
    tl = Timeline()
    tl = Timeline()
    tl.add_schema(is_auto_play = True,
    play_interval = 500,
    is_loop_play = False)
    k= 0
    for i in date:
        bar = (
            Line()
            .add_xaxis(date)
            .add_yaxis("國内", hs(c1,k))
            .add_yaxis("國外", hs(c,k))
            .extend_axis(
            yaxis=opts.AxisOpts(
            )
        )
            .set_series_opts(
            areastyle_opts=opts.AreaStyleOpts(opacity=0.5),
            label_opts=opts.LabelOpts(is_show=False),
        )
            .set_global_opts(title_opts=opts.TitleOpts("{}國内外疫情趨勢".format(i)))
        )
        tl.add(bar, "{}".format(i))
        k = k + 1
    return tl
timeline_bar().render_notebook()

複制

可以看出，國内的增長已經處于平緩狀态，而國外自二月底來突然爆發，目前還處于上升期，這也是為什麼現在要嚴防境外輸入病例。再來看看國外具體的病例占比吧(微信GIF隻能上傳5M是以有點糊)

可以看出在最近幾天南韓、日本、意大利突然爆發，這三個國家的病例數量就占到了約75%。最後再來看看全球疫情的變化趨勢吧！

四、結束語

至此，我們就完全使用python對疫情資料進行了一次動态可視化，回顧整個過程其實并沒有太多過于複雜的步驟，更多的是關于pandas和pyecharts基礎功能的使用。